概率论和数理统计笔记之事件的概率

茅逗逗

已于 2022-10-21 14:52:59 修改

阅读量1.7k

点赞数 1

分类专栏：医学生的数学文章标签：概率论

于 2022-10-21 14:26:00 首次发布

本文链接：https://blog.csdn.net/weixin_43250801/article/details/127444592

版权

医学生的数学专栏收录该内容

2 篇文章 0 订阅

订阅专栏

概率是什么？

概率，又称为几率，是对某件事情出现的可能性大小的量化，它介于0和1之间，通常用字母P表示。

1.1 主观概率和客观概率

这个世界上存在两种概率，即主观概率和客观概率。如果把人类研究粗糙分为两部分，那么人文研究和自然研究，应该是并列的两大研究领域。类似地，概率也有"人的概率"和“物的概率”之分，即主观概率和客观概率。举个具体的例子，某个人觉得下午下雨的概率为0.5，和某个硬币抛了无数次发现正反比接近0.5，那么这两个0.5就分别是人的主观概率和物体的客观概率。

一般，硬币由其质量均不均等，起抛高度等决定了正反比，这个是无法被人的意志所改变的，硬币不会有脑子，也不会有策略，不会因为第一次抛出正面后，后面抛出来的倾向于反面。而人不一样，比如一个人在上午看见万里晴空，就会觉得下午也应该是晴天，到了中午前看见几朵云出来，那么他完全有理由觉得下午下雨的概率升高了。

这里的人也不一定是人，应该是Aartificial，机器学习这种赋予了人的决策方式预言分类、回归问题的时候，也是主观概率。

继续用“预言下午下雨的概率”这个例子举例，刚刚说到某个人中午看见了几朵云，便把下午下雨的概率在心里提高了不少，这里是根据以往生活的经验，让他做出了判断。那么还有一种情况是，他觉得下午下雨对他来说会有大麻烦，比如他现在没有雨伞，也无马上借到的可能性，这时候他会把下午下雨的概率估低。所以影响主观概率的原因大体有二：1、实际经验。2利害关系。

1.2 试验和事件

概率中的事件和平时我们说的事件不一样。平时我们说的事件比如，911事件，2008经济危机，20大等都是历史上已经发生的情况。概率中的事件是情境描述，不管是已经发生还是没发生，都是事件，要知道发生与否，则需要试验（观察）来决定。试验可以确定几结果，几个结果可以决定某个事件。

试验：投掷骰子，得到结果。
结果：1、2、3、4、5、6六个结果。
事件：投掷骰子，得到偶数点。比如，事件A={投掷骰子，得到偶数点}={2，4，6}。

结果 ≤ 事件 ≤ 试验（ps 当然这么说是不对的，但是可以这么记忆）。

然后再说说为什么称呼事件为概率事件，因为在一个实验中，每个结果都有他的发生概率，事件发生不发生取决于机遇，所以统计学和概率论中，一般把事件称为概率事件，与之相对的就是极端事件，包括不可能事件和必然事件。比如A={投掷骰子，得到素数获奖}，那么中奖的机遇就是1/2，A是概率事件；A={投掷骰子，得到小于7的数字中奖}，那么中奖是必然的，A就是必然事件；A={投掷骰子，得到大于6的数字中奖}，那么就是不可能事件了。

1.3 古典概率(1)

古典概率的定义：一个试验有N个等可能结果，事件E包含M个结果，则E的概率为P（E），定义为

P（E）=M/N，就说P是事件E的古典概率。“古典的”是什么意思呢，可以理解为人类还是笨笨的时候直观想到的，朴素的、不是很抽象的、最实用的、生活中最常见的。相对于西方微积分，概率论，我国的六艺之一“算数”就是古典的。下面举2个计算古典概率例子：

例1

甲乙两人赢得赌注的概率相同。各出赌注500元，谁先赢到3局，谁拿走全部1000元。现已经赌了2局，甲二胜一负，这时候警车来了，要停止赌博，请问这1000块钱怎么分？

平均分对甲不公平，都给甲对乙不公平。肯定是甲多一点，乙少一点。如果赌局继续，甲赢的概率是多大？乙是多大？如果我们把比赛进行完毕，推演所有结果，就有甲胜甲胜，甲胜乙胜，乙胜乙胜，乙胜甲胜，四种情况，前面三种甲取得最后胜利，最后一种乙取得最后胜利，那么如果1：1的概率可以把1000均分，3：1的概率就把1000分为750和250分别给甲乙，合适。

例2

甲乙约定在上午8点到9点校门口自己选一个时间点集合，只等10分钟，求二人能喷头的概率？

把甲乙到的时间点想成（x，y）的集合，所有集合画出来就是一个正方形

只有落在多边形IHBGFO甲乙才能碰上，所以求多边形面积可以求出两个人能见面的是1100/3600。这道题我在初中曾经看到过，当时除了这种数形结合思想，很多学生是硬着头皮想出来的，或者画的是个梯形。

1.4 概率的统计定义

古典概率是不是非常接近于最开始我们说的客观概率？这里我们开始引出概率的统计意义，即概率的统计和事件的概率是什么关系？概率的统计意义是一种通过试验去估计事件概率的方法。试想有，1000个理工科学生，上帝证明，学生里100个同学学过概率论，那么事件E1={随机抽取一个学生，他学过概率论}，概率就是0.1。我们该如何知道这个概率，或者该如何统计这个概率呢，我们干脆把1000个学生排成队问一遍，最后得到0.1。同样，如果是全国的理工科学生里面抽取一个，即，E2={随机抽取一个学生，他学过概率论}，他学过概率论的概率多大，这个就不能把全国的都叫来问一遍了吧？太不现实了！那么就问1000个，里面有100个，我们可以统计出一个概率，0.1大概估计事件E2。这里就是用频率去刻画出了一个估计的P。一个事件出现可能性的大小，应该是多次重复实验种出现的频繁程度去刻画。

1.5 概率的公理化定义

公理，就是不需要证明的前提。这些前提规定了所讨论的对象的一些基本关系和所满足的条件，然后以此为基础推演出所讨论对象的进一步内容。几何学就是依赖公理进行推导，解决问题的例子，更为好理解的有，天体几何学，对吧，我们都不用看见，直接就说哪里有颗恒星、行星甚至他们的大小、质量。

前苏联伟大的数学家柯尔莫哥洛夫，在1933年实现概率的公理化：

引入一个抽象的集合Ω，其有元素w，称为基本事件。Ω种的三种子集就是概率事件，Ω就是必然事件，Ø就是不可能事件，这些集合的集合就是f，事件有概率，大小因为事件决定，换句话说，概率是事件的函数。

所以，在柯尔莫哥洛夫体系中，有定义在f上的函数P，对于f上的成员E，P（A）就是事件A的概率。

P函数有以下公理（就是前提）：

0 ≤ P（E） ≤ 1
P(Ω)=1;P(Ø)=0
存在加法公理

柯尔莫哥洛夫体系套用在反复掷骰子（任意次，1，2，3，4，5，6，7次，8次都有可能）这样的试验结果上，就有Ω={1，2，3，4，5，6}，f是所有结果的总结，是Ω所有子集的总集，f这个集合中有几个元素呢？答案是64个：

$\sum_{k=6}^{i=1}\binom{k}{i}+1=64$

对于f的子集事件A，则有P（A）=A中结果数量/6，比如A={2，3，5}，那么有P（A）=3/6=0.5。如果六个可能性不相等，那么先决定出2，3，5，用他们各自的概率相加，即 p2+p3+p5.

1.6 古典概率计算(2)

古典概率的计算归结于M和N两个数，M为总的可能数，N为事件的可能数。既然说到“可能数”，那么这样的计算必然涉及到排列和组合。

(1)排列

1.n个相异物件取r个排列

$\binom{n}{r}=n(n-1)(n-2)...(n-r+1)$

2.特别的情况有n=r，那么

$\binom{n}{n}=n(n-1)(n-2)...1=n!$

3.人们还约定0！=1.

4.如果R $\neq$ 非负整数，则 $\binom{n}{r}$ 无意义。

(2)组合

1.n个相异物件取r个组合

$\binom{n}{r}=n(n-1)(n-2)...(n-r+1)/r!$

2.r只能为非负整数，但n可为任意数

$\binom{-1}{3}=(-1)*(-2)*(-3)/3*2*1=(-1)^{3}=-1$

(3)二项式系数

组合和二项式展开有重要关系，组合系数 $\binom{n}{r}$ 又称为著名的二项式系数

二项式展开：

$(a+b)^{n}=\sum_{i=0}^{n}\binom{n}{i}a^{i}b^{n-1}$

(4)分堆

n个相异物件分为k堆，各堆r $_{k}$ 个，有几种分法？

n！/（r $_{1}$ ！r $_{2}^{}$ ！r $_{3}^{}$ ！...r $_{k}$ ！）

其实这就是多项式系数

(5)举例

例3

一批产品共有N个，废品有M个，随机取n个，恰好有m个废品的概率？

从废品M中取m有 $\binom{M}{m}$ 种，从合格品种取n-m，有 $\binom{N-M}{n-m}$ 种，则一共有 $\binom{M}{m}$ $\binom{N-M}{n-m}$ 种取法，总共有 $\binom{N}{n}$ 种取法，则一批产品共有N个，废品有M个，随机取n个，恰好有m个废品的概率为 $\binom{M}{m}$ $\binom{N-M}{n-m}$ $/$ $\binom{N}{n}$